计量经济学实验教学案例实验四 异方差xep.docx

《计量经济学实验教学案例实验四 异方差xep.docx》由会员分享，可在线阅读，更多相关《计量经济学实验教学案例实验四 异方差xep.docx（12页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、实验四 异方方差性【实验目的】掌握异方差性的的检验及处理理方法【实验内容】建立并检验我国国制造业利润润函数模型【实验步骤】【例1】表1列列出了19998年我国主主要制造工业业销售收入与与销售利润的的统计资料，请请利用统计软软件Evieews建立我我国制造业利利润函数模型型。表1 我国制造造工业19998年销售利利润与销售收收入情况行业名称销售利润销售收入行业名称销售利润销售收入食品加工业187.253180.444医药制造业238.711264.1食品制造业111.421119.888化学纤维制品81.57779.46饮料制造业205.421489.899橡胶制品业77.84692.08烟草加

2、工业183.871328.599塑料制品业144.341345纺织业316.793862.9非金属矿制品339.262866.144服装制品业157.71779.1黑色金属冶炼367.473868.288皮革羽绒制品81.71081.777有色金属冶炼144.291535.166木材加工业35.67443.74金属制品业201.421948.122家具制造业31.06226.78普通机械制造354.692351.688造纸及纸品业134.41124.944专用设备制造238.161714.733印刷业90.12499.83交通运输设备511.944011.533文教体育用品54.4504.44

3、电子机械制造409.833286.155石油加工业194.452363.8电子通讯设备508.154499.199化学原料纸品502.614195.222仪器仪表设备72.46663.68一、 检验异方差性图形分析检验验观察销售利润润（Y）与销销售收入（XX）的相关图图(图1)：SSCAT X Y图1 我国制造造工业销售利利润与销售收收入相关图从图中可以看出出，随着销售售收入的增加加，销售利润润的平均水平平不断提高，但但离散程度也也逐步扩大。这这说明变量之之间可能存在在递增的异方方差性。残差分析首先将数据排序序（命令格式式为：SORRT 解释释变量），然然后建立回归归方程。在方方程窗口中点点击

4、Resiids按钮就就可以得到模模型的残差分分布图（或建立方程程后在Eviiews工作作文件窗口中中点击ressid对象来来观察）。图2 我国制造造业销售利润润回归模型残残差分布图2显示回归方方程的残差分分布有明显的的扩大趋势，即即表明存在异异方差性。Goldfeeld-Quuant检验验将样本安解释释变量排序（SSORT X）并分成成两部分（分分别有1到110共11个个样本合199到28共110个样本）利用样本1建建立回归模型型1（回归结果果如图3），其残差平方和为2579.587。SMPL 11 10LS Y C X图3 样本1回回归结果利用样本2建建立回归模型型2（回归结结果如图4），其

5、残差平方和为63769.67。SMPL 119 288LS Y C X图4 样本2回回归结果计算F统计量量：637769.677/25799.59=224.72，分别是模型型1和模型22的残差平方方和。取时，查F分布布表得，而，所以存存在异方差性性White检检验建立回归模型型：LS Y C X，回归归结果如图55。图5 我国制造造业销售利润润回归模型在方程窗口上上点击VieewRessiduallTesttWhitte Hetteroskkedasttcity,检验结果如如图6。图6 Whitte检验结果果其中F值为辅助助回归模型的的F统计量值值。取显著水水平，由于,所以以存在异方差差性。实

6、际应应用中可以直直接观察相伴伴概率p值的的大小，若pp值较小，则则认为存在异异方差性。反反之，则认为为不存在异方方差性。Park检验验建立回归模型型（结果同图图5所示）。生成新变量序序列：GENNR LNNE2=loog(RESSID2)GENR LLNX=loog建立新残差序序列对解释变变量的回归模模型：LS LNE22 C LNX，回回归结果如图图7所示。图7 Parkk检验回归模模型从图7所示的回回归结果中可可以看出，LLNX的系数数估计值不为为0且能通过过显著性检验验，即随即误误差项的方差差与解释变量量存在较强的的相关关系，即即认为存在异异方差性。Gleiseer检验（GGleisee

7、r检验与PPark检验验原理相同）建立回归模型型（结果同图图5所示）。生成新变量序序列：GENNR E=ABS(RRESID)分别建立新残残差序列（EE）对各解释变量（XX/X2/X(1/2)/X(1)/ X(22)/ X(11/2)）的的回归模型：LS EE C X，回归结结果如图8、99、10、111、12、113所示。图8图9图10图11图12图13由上述各回归结结果可知，各各回归模型中中解释变量的的系数估计值值显著不为00且均能通过过显著性检验验。所以认为为存在异方差差性。由F值或确定定异方差类型型Gleiserr检验中可以以通过F值或或值确定异方方差的具体形形式。本例中中，图10所示

8、的回归归方程F值（）最大，可以据次次来确定异方方差的形式。二、 调整异方差性确定权数变量量根据Park检检验生成权数数变量：GEENR WW1=1/XX1.67743根据Gleisser检验生生成权数变量量：GENRR W2=1/X00.5另外生成：GEENR WW3=1/AABS(REESID）GENR WW4=1/ RESIDD 2利用加权最小小二乘法估计计模型在Eviewss命令窗口中中依次键入命命令：LS(W=) Y CC X或在方程窗口中中点击EsttimateeOptiion按钮，并并在权数变量量栏里依次输输入W1、WW2、W3、WW4，回归结结果图14、115、16、117所示。图14图15图16图17对所估计的模模型再进行WWhite检检验，观察异异方差的调整整情况对所估计的模型型再进行Whhite检验验，其结果分分别对应图114、15、116、17的的回归模型（如如图18、119、20、221所示）。图图18、199、21所对对应的Whiite检验显显示，P值较较大，所以接接收不存在异异方差的原假假设，即认为为已经消除了了回归模型的的异方差性。图20对应的White检验没有显示F值和的值，这表示异方差性已经得到很好的解决。图18图19图20图2112